가이드 연계 퀴즈 · 중간 레벨

GraphRAG 지식 그래프 퀴즈

GraphRAG 엔터티 추출, 그래프 커뮤니티, 로컬 및 글로벌 쿼리, 소스 검증, 커뮤니티 보고서 뒤의 인덱싱 작업을 테스트합니다.

관련 가이드 경로Graphrag 지식 그래프
질문 1 의 8

GraphRAG는 표준 RAG와 구별되는 어떤 핵심 구조를 구축합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. GraphRAG는 표준 RAG와 구별되는 어떤 핵심 구조를 구축합니까?
    • 사용자의 관계형 SQL 스키마
    • 픽셀의 신경망
    • 엔터티 및 해당 관계에 대한 지식 그래프
    • 불용어 목록
  2. What query scope motivated community reports in Microsoft's 2024 GraphRAG work?
    • Only changing a sentence's spelling
    • Collection-wide themes and summaries whose evidence spans many documents
    • Only measuring a video file's frame rate
    • A guarantee that all narrow lookups must use graph traversal
  3. GraphRAG는 관련 엔터티를 커뮤니티로 클러스터링하기 위해 일반적으로 어떤 알고리즘을 사용합니까?
    • 버블정렬
    • 경사하강법
    • RSA 암호화
    • 라이덴 커뮤니티 감지
  4. What does GraphRAG's model-based extraction stage produce from source chunks?
    • Structured entity and relationship records with descriptions
    • Only an executable operating-system image
    • Only random names unrelated to the source
    • Only audio waveforms with no text records
  5. How do documented GraphRAG local and global query strategies use context differently?
    • Local means Wi-Fi and global means satellite connectivity
    • Local search uses entity-related and source context; global search aggregates community reports
    • Local works only with images while global excludes all documents
    • Both strategies discard extracted information before generation
  6. 2024년에 GraphRAG 접근 방식을 대중화한 조직은 무엇입니까?
    • 1970년대 전화 회사
    • 패스트푸드 체인점
    • Microsoft 연구
    • 항공 동맹
  7. Why should an important GraphRAG relationship be checked against its source documents?
    • The extraction model can make errors, and a graph edge does not independently establish the relationship's truth
    • Every extracted edge is automatically a verified fact
    • Graph storage replaces the need for source evidence
    • Community detection proves the original documents cannot be wrong
  8. What additional upfront work can GraphRAG indexing require compared with simply preparing text chunks?
    • No model calls or derived records of any kind
    • Automatic retraining of every user's language model
    • Publishing every source document to social media
    • Model-based entity and relationship extraction and generation of community reports